ChatGPTを試し、AI活用を謳う競合に焦る。だが外注した瞬間、中身は見えなくなる。私たちが選んだのは、創業者自身が手を動かし続ける道だった。机上の空論ではなく、実務で体験することでしか得られないものがある。
AI実務を、誰かに任せようとした。
競合が「AI導入支援」を掲げ始めた。価格は半額、
納期は3分の1。焦った。社内にAI人材はいない。
ChatGPTは触ったが、業務に組み込む方法が分からない。コンサルに相談すれば、答えが出ると思った。
3社から提案が来た。どれも
「貴社の業務フローをヒアリングし、最適なAIソリューションを設計します」
と書いてある。月額80万円から。導入までに4ヶ月。
成果物はレポートとダッシュボード。
違和感があった。彼らは、私たちの業務を知らない。BPOの現場で何が起きているか、顧客が本当に求めているものが何か、知るはずがない。
ヒアリングで拾えるのは表層だけだ。
任せた瞬間、私たちは当事者でなくなる。
データ分析aiを実務に活かすデータドリブン思考は、
手を動かさないと身につかない。
提案書には「データドリブン経営」と書いてあった。
既存業務をログ化し、AIで分析し、改善提案を出す。
聞こえはいい。
でも、誰がログを見るのか。誰が改善を実行するのか。
外部のコンサルタントではない。結局、私たちだ。
ならば最初から、自分たちで触るしかない。
代表の私がCursorを開いた。コードは書けない。
でも、プロンプトなら書ける。
業務フローは誰より知っている。
顧客の要望も、オペレーションのボトルネックも、全部頭に入っている。
最初に作ったのは、請求書の自動分類スクリプトだった。
Claude Code APIを叩き、月に200件来るPDFを取引先ごとに振り分ける。
週末に6時間かけて動くものができた。精度は70%。
でも、人がやっていた3時間の作業が15分になった。
この70%という数字を、外部のコンサルは出せない。
なぜなら、彼らは実際に請求書を見ていないからだ。
データ分析aiを実務に活かすデータドリブン思考とは、数字を眺めることではない。
自分で手を動かし、失敗し、精度を体感することだ。
体現しなければ、体験を提供できない。
AI活用を掲げる競合に勝つ方法は、同じようにAIを導入することではなかった。
私たち自身がAIを使い倒し、その体験を顧客に提供することだった。
翌月、顧客向けの提案資料を作った。
「弊社では代表がCursorで週次レポートを自動生成しています。御社の業務フローに合わせ、同じ仕組みを3日で構築します」
と書いた。コンサルの提案とは真逆だ。
ヒアリング4ヶ月ではなく、プロトタイプ3日。月額80万ではなく、初期費用20万。
顧客は驚いた。
「本当に代表が作っているんですか?」
と聞かれた。Slackのスクリーンショットを見せた。深夜2時のコミット履歴、エラーログ、プロンプトの試行錯誤。全部そのまま見せた。
受注した。理由を聞くと、
「あなたたちは、自分で使っているから信用できる」
と言われた。机上の空論ではなく、実際に手を動かしている人間の言葉には、重みがある。体現することでしか、体験は提供できない。
AI人材を雇うのではなく、創業者がAI人材になる。
ai実務を外注しなかった理由は、もう一つある。採用コストだ。AI人材を雇えば、年収800万は下らない。
5名のチームには重すぎる。
でも、創業者が手を動かせば、追加コストはゼロだ。
ChatGPT Plusで月20ドル、Claude ProとCursor Proを足しても月60ドル。年間7万円程度。
この投資で、粗利率は30%から48%に上がった。
オペレーション時間が半減し、少人数で回せる案件が増えたからだ。
人手に依存する構造から抜け出す方法は、人を増やすことではなかった。創業者自身がツールを使い倒し、仕組みを作り、それを顧客に見せることだった。AI実務とは、誰かに任せるものではない。
自分で体験し、失敗し、小さく成果を出し続けることだ。
ジレンマは残っている。既存の受託モデルと、AI中核設計は矛盾する。でも、手を動かし続ける限り、道は見える。矛盾を抱えたまま、進むしかない。